Tema 5.

CURVA DE CALIBRACIÓN
Las valoraciones son uno de los procedimientos analíticos más exactos, en una valoración el
analito reacciona con un agente estándar (titulante) en una forma estequiométricamente
conocida. Es un procedimiento muy general y se utiliza para una amplia gama de
determinaciones.

Calibración estándar externa (porque se preparan soluciones estándar)

La calibración relaciona la respuesta/señal del instrumento con la cantidad del analito. La
respuesta del instrumento y la concentración no son estables en el tiempo. La función de
calibración puede obtenerse gráfica o matemáticamente. Es deseable que la curva de
calibración sea lineal en al menos el intervalo de las concentraciones del analito. La relación
lineal se utiliza para predecir la concentración desconocida del analito. El método de mínimos
cuadrados es la representación matemática que mejor describen una función de calibración.
Debo elegir el modelo matemático (en definitiva, lo que se hace en calibración) que mejor
ajuste a los datos, estimación de parámetros, errores y validación. Para llegar a la
estandarización se usan patrones.

Suposición: Analito en preparación de la solución tiene el mismo comportamiento que en la

muestra.

Preparación de la curva de la calibración:

1. Conocer el rango de aplicación de la curva. Depende del equipo de trabajo (limitante, no se
puede trabajar al límite de detección), analito y matriz.

2. Al menos 4-5 puntos de la curva. Si preparo más puntos y me pasa algo que no se lo que es,
puedo eliminar un punto. Debo ser capaz de buscar la causa de mi error.

3. Los patrones deben distribuirse uniformemente abarcando todo el rango de la curva.

4. Se debe tener en cuenta la relación estequiométrica entre patrón y analito para la

preparaciones de las soluciones.

5. Blanco de reactivo (disolvente más todos los reactivos), el mismo es un punto de la curva.

Importante: Pureza de mis estándares. Contemplar el % de pureza para calcular la toma de mi

muestra. Como está presente mi analito en el estándar a trabajar (Ej. Quiero determinar Cr
pero tengo K2Cr2O7). La manipulación a la hora de preparar la curva de trabajo debe ser la mas
adecuada.

¿Cómo determinar la función de calibración?

La determinación de la función de calibración mediante modelado matemático se realiza a

través de una herramienta estadística llamada análisis de regresión. Se obtiene un modelo
de regresión. Se supone una relación lineal: y = a + b x . Los valores de los parámetros a y b se
obtienen mediante el método de los mínimos cuadrados

Método de mínimos cuadrados:

Permite hallar los valores de a y b que hacen mínima la suma de los cuadrados de las
diferencias de las ordenadas experimentales respecto a las teóricas (residuos).
Suposiciones de métodos de mínimos cuadrados:

1. Variable x no tiene incertidumbre. Se debe trabajar en buenas condiciones

2. Los valores de x e y se distribuyen normalmente.
3. Para distintas valores de x, los valores de y presentan varianzas que son homogeneidad. No
importa en qué nivel de concentración esté la variabilidad es la misma.

Interpretación de los resultados de mínimos cuadrados

Cuanto más cercanos se encuentren los puntos a la línea predicha por el análisis de mínimos
cuadrados, menores serán los residuales.

Debido a la presencia de errores indeterminados en el proceso, no todos los datos

experimentales caen exactamente sobre la línea, por lo tanto, se debe ajustar la “mejor” línea
recta entre los datos.

Selección de la curva de mejor ajuste:

Con el análisis de regresión obtenemos los parámetros correspondientes a cualquier modelo

matemático. Dado que hay varios modelos, se debe seleccionar la curva de mejor ajuste.
Criterios:

1. Inspección visual:

Se basa en ver y evaluar como se presenta la recta y que tan cerca o alejamos están los puntos
de ella, y elegir la mejor.

2. Estudio de residuos:

Si la curva tiene un buen ajuste, los residuos deberán distribuirse aleatoriamente. El modelo
seleccionado será aquel que proporcione la menor sumatoria de los residuos al cuadrado, es
decir el menor apartamiento entre los puntos experimentales y los estimados por el modelo.

3. Estudio varianza de regresión:

No indica si el ajuste es bueno o no, pero entre varios modelos permite elegir el que ajusta
mejor. Entre varios modelos, el de mejor ajuste presenta el menor s2 R (menores residuos).

4. Coeficiente de correlación lineal:

Es una medida de correlación lineal entre dos variables. Es un indicador de bondad de ajuste.
Se puede calcular tanto para modelos lineales como no lineales, para un modelo lineal se
cumple que R2 = r2

Una vez seleccionada la curva de mejor ajuste se procede a la interpolación. El resultado

obtenido al interpolar no siempre es el final, se deben considerar las diluciones realizadas y
prestar atención a la expresión del resultado en muestras sólidas.

Incertidumbre de regresión

Se expresa con el estadística S y/x

Errores en la calibración estándar externa

Suposiciones:

• Misma concentración del analito en la muestra y en el estándar.

• Se obtendrá la misma respuesta.
• Relación funcional entre la R y la [] del analito debe aplicar también para la muestra.

La respuesta analítica bruta es corregida al medir una determinación del blanco.

El blanco debe tener los mismo componentes de la muestra, pero sin el analito. Con muestras
complejas, la preparación del blanco demanda mucho tiempo o es imposible de hacerlo. Lo
más común es utilizar un blanco de solvente o un blanco de reactivo.

Hay otros factores que provocan que los supuestos del método externo se invaliden:
1. Los efectos de la matriz (por especies químicas en la muestra que no están en los patrones).
2. Las diferencias en las variables experimentales en los tiempos en los cuales fueron medidos.
3. Los errores pueden ocurrir debido a la contaminación durante el muestreo o durante la
preparación de la muestra.

Interferencias:

Se dan como consecuencia de algún fenómeno físico o químico cuya influencia no fue prevista.

Interferencia multiplicativa: Ocurre cuando se da el efecto matriz. A igual concentración de la

muestra la respuesta será diferente para los estándares y para la muestra.

Interferencias aditivas: Cuando la presencia de sustancias extrañas en la muestra altera la

respuesta.

¿Si mi matriz de trabajo afecta la curva de calibración, con qué curva trabajo? Curva de
calibración en matriz de trabajo.

Minimización de errores en procedimientos analíticos.

Separaciones: Limpiar la muestra para minimizar posibles interferencias en la matriz de la
muestra.

Técnicas:
Filtración, precipitación, extracción con disolvente, volatilización, intercambio iónico,
cromatografía.

Son útiles para eliminar componentes de la muestra que sean potenciales interferentes, pero
en contra parte consumen mucho tiempo y pueden eliminar porciones del analito o de que la
muestra sea contaminada.

Saturación, modificación de la matriz y enmascaramiento

Saturación: Se le agrega especies químicas interferentes a todas las muestras, estándares y

blanco, de forma que los efectos de interferencia se vuelvan independientes de la
concentración original de la especie química interferente en la muestra.

Modificador de matriz: Es una especie química que al ser añadida hace que la muestra sea
independiente de la concentración de las especies químicas interferentes. Por ejemplo: una
disolución amortiguadora de pH para mantener el pH dentro de los límites sin importar el pH
de la muestra.

Agente enmascarante: Reacciona de manera selectiva con las especies interferentes.

Dilución e igualación de la matriz

El efecto de interferencia es minimizado simplemente al diluir la muestra. Pero cuidado porque

se puede reducir la capacidad de detectar el analito.

Igualación de matriz: Se intenta duplicar la matriz al añadir los componentes principales de la

matriz a las disoluciones estándar o los blancos.

Otros métodos para minimizar errores son:

Método de estándar interno/Curva sin matriz igualada: Una cantidad conocida de la especie
de referencia es añadida a todas las muestras, estándares y determinaciones del blanco. La
señal de respuesta es una proporción de la señal del analito con respecto a la señal de la
especie química de referencia. Curva de calibración donde: eje y (señal de analito/señal del
estándar primario), eje x (concentración del analito en el estándar).

Este método permite compensar errores aleatorios y sistemáticos porque el analito y el

estándar se ven afectados de la misma forma, el cociente de estas señales es independiente de
tales factores que afectan la señal de cada uno.

Dificultades: Puede ser difícil encontrar la sustancia adecuada. Debe proporcionar una señal
“similar” a la del analito, pero lo suficientemente distinta como para que el instrumento lo
detecte. No puede estar presente en la matriz.

Método de adición de estándares: Consiste en el agregado de cantidades exactamente

conocidas de analito patrón directamente en la muestra. El aumento de la respuesta en la
muestra debido a ese agregado permite calcular la cantidad original que hay en una muestra.

Es muy útil para muestras complejas (que tienen mayor probabilidad de tener efecto matriz). Si
la pendiente difiere significativamente de la curva en solvente se identifica un efecto matriz. Si
se mantiene la pendiente pero la curva se desplaza en el eje vertical, se evidencia una
interferencia aditiva.